人工智能平台 PAI：大模型RAG对话系统

背景信息

大语言模型（LLM）在生成准确性和实时性回复方面存在局限，因此并不适合直接用于需要精确信息的客服或问答等场景。为了解决这一问题，当前业界广泛采用的方法是利用检索增强生成（Retrieval-Augmented Generation, RAG）技术来增强LLM的性能，这一技术可以显著提升问答、摘要生成以及其他需要引用外部知识的自然语言处理（NLP）任务的质量。

RAG通过将大语言模型（如通义千问）和信息检索组件结合在一起，增强了模型生成答案的准确性和信息量。在处理用户查询时，RAG通过信息检索组件在知识库中寻找与查询相关的文档或信息片段，将这些检索到的内容与原始查询一同输入大语言模型之后，模型能够利用现有的归纳生成能力产生基于最新信息的、符合事实的回复，而无需对模型进行重新训练。

使用EAS部署的对话系统服务，通过集成大语言模型（LLM）和检索增强生成（RAG）技术，克服了LLM在准确性和实时性方面的局限，为多种问答场景提供了准确且信息丰富的响应，从而提升了自然语言处理任务的整体效能和用户体验。

前提条件

• 已创建一个专有网络（VPC）、交换机和安全组。详情请参见创建和管理专有网络和创建安全组。

  说明

  使用Faiss作为向量检索库时，不需要创建VPC、交换机和安全组。

• 当使用微调模型部署服务时，您需要准备OSS存储空间（Bucket）或NAS文件系统，用来存放微调的模型文件。具体操作，请参见控制台快速入门或创建文件系统。

  说明

  如果使用Faiss作为向量检索库，您需要准备OSS存储空间（Bucket），用来存储上传的知识库文件。

注意事项

本实践受制于LLM服务的最大Token数量限制，旨在帮助您体验RAG对话系统的基本检索功能：

• 该对话系统受制于LLM服务的服务器资源大小以及默认Token数量限制，能支持的对话长度有限。

• 如果无需进行多轮对话，建议您在RAG服务的WebUI页面关闭with chat history功能，这样能有效减少达到限制的可能性。详情请参见如何关闭RAG服务的with chat history功能。

步骤一：部署RAG服务

部署大模型RAG对话系统，并绑定向量检索库，具体操作步骤如下：

1. 登录PAI控制台，在页面上方选择目标地域，并在右侧选择目标工作空间，然后单击进入EAS。

2. 在模型在线服务（EAS）页面，单击部署服务，然后在场景化模型部署区域，单击大模型RAG对话系统部署。

3. 在部署大模型RAG对话系统页面，配置以下关键参数。

   • 基本信息

     参数	描述
     模型来源	支持以下两种模型来源： 开源公共模型：PAI预置了多种开源公共模型供您选择，包括Qwen、Llama、ChatGLM、Baichuan、Falcon、Yi、Mistral、Gemma、DeepSpeek等。您可以直接部署相应参数量的模型。 自持微调模型：PAI也支持部署您自行微调后的模型，来满足特定的场景。
     模型类别	当使用开源公共模型时，您可以根据具体使用场景选择相应参数量的开源模型。 使用自持微调模型时，您需要根据您微调的模型，选择相应的模型类别、参数量以及精度。
     模型配置	使用自持微调模型时，您需配置微调模型的文件路径。后续部署服务时，系统将从该路径读取模型配置文件。支持以下两种配置类型： 说明 建议您在Huggingface的Transformers下运行微调后的模型，确认其输出结果符合预期后，再考虑将其部署为EAS服务。 对象存储（OSS）：请选择微调模型文件所在的OSS存储路径。 文件存储（NAS）：请选择微调模型文件所在的NAS文件系统、NAS挂载点和NAS源路径。

   • 资源配置

     参数	描述
     资源配置选择	在选择模型类别后，系统将自动匹配适合的资源规格。更换至其他资源规格，可能会导致模型服务启动失败。
     推理加速	目前，部署在A10或GU30系列机型上的Qwen、Llama2、ChatGLM或Baichuan2等系列模型服务，支持启用推理加速功能。支持以下两种加速类型： PAI-BladeLLM自动推理加速：BladeLLM提供超高性价比的大模型推理加速能力，可帮助您一键享受高并发和低延时的技术优势。 开源框架vllm推理加速

   • 向量检索库设置

     RAG支持通过Faiss（Facebook AI Similarity Search）、Elasticsearch、Hologres、OpenSearch或RDS PostgreSQL构建向量检索库。根据您的场景需要，任意选择一种版本类型，作为向量检索库。

     FAISS

     使用Faiss构建本地向量库，无需购买线上向量库产品，免去了线上开通向量库产品的复杂流程，更轻量易用。

     参数	描述
     版本类型	选择FAISS。
     OSS地址	选择当前地域下已创建的OSS存储路径，用来存储上传的知识库文件。如果没有可选的存储路径，您可以参考控制台快速入门进行创建。 说明 如果您选择使用自持微调模型部署服务，请确保所选的OSS存储路径不与自持微调模型所在的路径重复，以避免造成冲突。

     ElasticSearch

     配置阿里云ElasticSearch实例的连接信息。关于如何创建ElasticSearch实例及准备配置项，请参见准备向量检索库Elasticsearch。

     参数	描述
     版本类型	选择Elasticsearch。
     私网地址/端口	配置Elasticsearch实例的私网地址和端口，格式为http://<私网地址>:<私网端口>。如何获取Elasticsearch实例的私网地址和端口号，请参见查看实例的基本信息。
     索引名称	输入新的索引名称或已存在的索引名称。对于已存在的索引名称，索引结构应符合PAI-RAG要求，例如您可以填写之前通过EAS部署RAG服务时自动创建的索引。
     账号	配置创建Elasticsearch实例时配置的登录名，默认为elastic。
     密码	配置创建Elasticsearch实例时配置的登录密码。如果您忘记了登录密码，可重置实例访问密码。

     Hologres

     配置为Hologres实例的连接信息。如果未开通Hologres实例，可参考购买Hologres进行操作。

     参数	描述
     版本类型	选择Hologres。
     调用信息	配置为指定VPC的host信息。进入Hologres管理控制台的实例详情页，在网络信息区域单击指定VPC后的复制，获取域名:80前的host信息。
     数据库名称	配置为Hologres实例的数据库名称。如何创建数据库，详情请参见创建数据库。
     账号	配置为已创建的自定义用户账号。具体操作，请参见创建自定义用户，其中选择成员角色选择实例超级管理员（SuperUser）。
     密码	配置为已创建的自定义用户的密码。
     表名称	输入新的表名称或已存在的表名称。对于已存在的表名称，表结构应符合PAI-RAG要求，例如可以填写之前通过EAS部署RAG服务自动创建的Hologres表。

     OpenSearch

     配置为OpenSearch向量检索版实例的连接信息。关于如何创建OpenSearch实例及准备配置项，请参见准备向量检索库OpenSearch。

     参数	描述
     版本类型	选择OpenSearch。
     访问地址	配置为OpenSearch向量检索版实例的公网访问地址。您需要为OpenSearch向量检索版实例开通公网访问功能，具体操作，请参见准备向量检索库OpenSearch。
     实例id	在OpenSearch向量检索版实例列表中获取实例ID。
     用户名	配置为创建OpenSearch向量检索版实例时，输入的用户名和密码。
     密码
     表名称	配置为准备OpenSearch向量检索版实例时创建的索引表名称。如何准备索引表，请参见准备向量检索库OpenSearch。

     RDS PostgreSQL

     配置为RDS PostgreSQL实例数据库的连接信息。关于如何创建RDS PostgreSQL实例及准备配置项，请参见准备向量检索库RDS PostgreSQL。

     参数	描述
     版本类型	选择RDS PostgreSQL。
     主机地址	配置为RDS PostgreSQL实例的内网地址，您可以前往云数据库RDS PostgreSQL控制台页面，在RDS PostgreSQL实例的数据库连接页面进行查看。
     端口	默认为5432，请根据实际情况填写。
     数据库	配置为已创建的数据库名称。如何创建数据库和账号，请参见创建账号和数据库，其中： 创建账号时，账号类型选择高权限账号。 创建数据库时，授权账号选择已创建的高权限账号。
     表名称	自定义配置数据库表名称。
     账号	配置为已创建的高权限账号和密码。如何创建高权限账号，请参见创建账号和数据库，其中账号类型选择高权限账号。
     密码

   • 专有网络配置

     参数	描述
     VPC	当选择Hologres、ElasticSearch、OpenSearch或RDS PostgreSQL作为向量检索库时，请确保所配置的专有网络与选定的向量检索库保持一致。 说明 使用OpenSearch作为向量检索库时，此处可以使用其他专有网络，但需要确保该专有网络具有公网访问能力，并将绑定的弹性公网IP添加为OpenSearch实例的公网访问白名单。具体操作，请参见使用公网NAT网关SNAT功能访问互联网和公网白名单配置。 当选择Faiss作为向量检索库时，无需配置专有网络。
     交换机
     安全组名称

4. 单击部署。

   当服务状态变为运行中时，表示服务部署成功。

步骤二：通过WebUI页面进行调试

请按照以下操作步骤，在WebUI页面上传企业知识库文件并对问答效果进行调试。

调试完成后，您可以基于PAI提供的API将其应用到您自己的业务系统中，详情请参见步骤三：通过API调用进行模型推理。

步骤三：通过API调用进行模型推理

1. 获取RAG服务的调用信息。

   1. 单击RAG服务名称，进入服务详情页面。

   2. 在基本信息区域，单击查看调用信息。

   3. 在调用信息对话框的公网地址调用页签，获取服务访问地址和Token。

2. 通过WebUI页面连接向量检索库，并上传企业知识库文件。

   您还可以根据已生成的符合PAI-RAG格式的表结构，将企业知识库自行上传到向量检索库中。

3. 通过API调用服务。

   PAI提供了三种调用API的对话方式：service/query/retrieval（Retrieval）、service/query/llm（LLM）和service/query（RAG）。具体调用方法如下：

   cURL 命令

   • 发送单轮对话请求

     • 方式一：service/query/retrieval（Retrieval）

       curl -X 'POST'  '<service_url>service/query/retrieval' -H 'Authorization: <service_token>' -H 'accept: application/json' -H 'Content-Type: application/json'  -d '{"question": "什么是人工智能平台PAI?"}'
       # <service_url>替换为步骤1获取的服务访问地址；<service_token>替换为步骤1获取的服务Token。

     • 方式二：/service/query/llm（LLM）

       curl -X 'POST'  '<service_url>service/query/llm' -H 'Authorization: <service_token>' -H 'accept: application/json'  -H 'Content-Type: application/json'  -d '{"question": "什么是人工智能平台PAI?"}'
       # <service_url>替换为步骤1获取的服务访问地址；<service_token>替换为步骤1获取的服务Token。

       支持添加其他可调推理参数，例如{"question":"什么是人工智能平台PAI?", "temperature": 0.9}。

     • 方式三：service/query（RAG）

       curl -X 'POST'  '<service_url>service/query' -H 'Authorization: <service_token>' -H 'accept: application/json'  -H 'Content-Type: application/json'  -d '{"question": "什么是人工智能平台PAI?"}'
       # <service_url>替换为步骤1获取的服务访问地址；<service_token>替换为步骤1获取的服务Token。

       支持添加其他可调推理参数，例如{"question":"什么是人工智能平台PAI?", "temperature": 0.9}。

   • 发送多轮对话请求

     其中对话方式RAG和LLM支持发送多轮对话请求，以RAG对话为例，具体配置方法如下：

     # 发送请求。 
     curl -X 'POST'  '<service_url>service/query' -H 'Authorization: <service_token>' -H 'accept: application/json'  -H 'Content-Type: application/json'  -d '{"question": "什么是人工智能平台PAI?"}'
     
     # 传入上述请求返回的session_id（对话历史会话唯一标识），传入session_id后，将对话历史进行记录，调用大模型将自动携带存储的对话历史。
     curl -X 'POST'  '<service_url>service/query' -H 'Authorization: <service_token>' -H 'accept: application/json'  -H 'Content-Type: application/json'  -d '{"question": "它有什么优势?","session_id": "ed7a80e2e20442eab****"}'
     
     # 传入chat_history（用户与模型的对话历史），list中的每个元素是形式为{"user":"用户输入","bot":"模型输出"}的一轮对话，多轮对话按时间顺序排列。
     curl -X 'POST'  '<service_url>service/query' -H 'Authorization: <service_token>' -H 'accept: application/json'  -H 'Content-Type: application/json'  -d '{"question":"它有哪些功能？", "chat_history": [{"user":"PAI是什么？", "bot":"PAI是阿里云的人工智能平台......"}]}'
     
     # 同时传入session_id和chat_history，会用chat_history对存储的session_id所对应的对话历史进行追加更新。 
     curl -X 'POST'  '<service_url>service/query' -H 'Authorization: <service_token>' -H 'accept: application/json'  -H 'Content-Type: application/json'  -d '{"question":"它有哪些功能？", "chat_history": [{"user":"PAI是什么？", "bot":"PAI是阿里云的人工智能平台......"}], "session_id": "1702ffxxad3xxx6fxxx97daf7c"}'

   Python脚本

   • 发送单轮对话请求，代码示例如下：

     import requests
     
     EAS_URL = 'http://xxxx.****.cn-beijing.pai-eas.aliyuncs.com'
     headers = {
         'accept': 'application/json',
         'Content-Type': 'application/json',
         'Authorization': 'MDA5NmJkNzkyMGM1Zj****YzM4M2YwMDUzZTdiZmI5YzljYjZmNA==',
     }
     
     
     def test_post_api_query_llm():
         url = EAS_URL + '/service/query/llm'
         data = {
            "question":"什么是人工智能平台PAI?"
         }
         response = requests.post(url, headers=headers, json=data)
     
         if response.status_code != 200:
             raise ValueError(f'Error post to {url}, code: {response.status_code}')
         ans = dict(response.json())
         print(f"======= Question =======\n {data['question']}")
         print(f"======= Answer =======\n {ans['answer']} \n\n")
     
     
     def test_post_api_query_retrieval():
         url = EAS_URL + '/service/query/retrieval'
         data = {
            "question":"什么是人工智能平台PAI?"
         }
         response = requests.post(url, headers=headers, json=data)
     
         if response.status_code != 200:
             raise ValueError(f'Error post to {url}, code: {response.status_code}')
         ans = dict(response.json())
         print(f"======= Question =======\n {data['question']}")
         print(f"======= Answer =======\n {ans['docs']}\n\n")
     
     
     def test_post_api_query_rag():
         url = EAS_URL + '/service/query'
         data = {
            "question":"什么是人工智能平台PAI?"
         }
         response = requests.post(url, headers=headers, json=data)
     
         if response.status_code != 200:
             raise ValueError(f'Error post to {url}, code: {response.status_code}')
         ans = dict(response.json())
         print(f"======= Question =======\n {data['question']}")
         print(f"======= Answer =======\n {ans['answer']}")
         print(f"======= Retrieved Docs =======\n {ans['docs']}\n\n")
     # LLM
     test_post_api_query_llm()
     # Retrieval
     test_post_api_query_retrieval()
     # RAG（Retrieval+LLM）
     test_post_api_query_rag()
     

     其中：EAS_URL配置为RAG服务的访问地址，您需要将访问地址末尾的/删除；Authorization配置为RAG服务的Token。

   • 发送多轮对话请求

     LLM和RAG（Retrieval+LLM）支持发送多轮对话请求，代码示例如下：

     import requests
     
     EAS_URL = 'http://xxxx.****.cn-beijing.pai-eas.aliyuncs.com'
     headers = {
         'accept': 'application/json',
         'Content-Type': 'application/json',
         'Authorization': 'MDA5NmJkN****jNlMDgzYzM4M2YwMDUzZTdiZmI5YzljYjZmNA==',
     }
     
     
     def test_post_api_query_llm_with_chat_history():
         url = EAS_URL + '/service/query/llm'
         # Round 1 query
         data = {
            "question":"什么是人工智能平台PAI?"
         }
         response = requests.post(url, headers=headers, json=data)
     
         if response.status_code != 200:
             raise ValueError(f'Error post to {url}, code: {response.status_code}')
         ans = dict(response.json())
         print(f"=======Round 1: Question =======\n {data['question']}")
         print(f"=======Round 1: Answer =======\n {ans['answer']} session_id: {ans['session_id']} \n")
        
         # Round 2 query
         data_2 = {
            "question": "它有什么优势？",
            "session_id": ans['session_id']
         }
         response_2 = requests.post(url, headers=headers, json=data_2)
     
         if response.status_code != 200:
             raise ValueError(f'Error post to {url}, code: {response.status_code}')
         ans_2 = dict(response_2.json())
         print(f"=======Round 2: Question =======\n {data_2['question']}")
         print(f"=======Round 2: Answer =======\n {ans_2['answer']} session_id: {ans_2['session_id']} \n\n")
     
     
     def test_post_api_query_rag_with_chat_history():
         url = EAS_URL + '/service/query'
        
         # Round 1 query
         data = {
            "question":"什么是人工智能平台PAI?"
         }
         response = requests.post(url, headers=headers, json=data)
     
         if response.status_code != 200:
             raise ValueError(f'Error post to {url}, code: {response.status_code}')
         ans = dict(response.json())
     
         print(f"=======Round 1: Question =======\n {data['question']}")
         print(f"=======Round 1: Answer =======\n {ans['answer']} session_id: {ans['session_id']}")
         print(f"=======Round 1: Retrieved Docs =======\n {ans['docs']}\n")
     
         # Round 2 query
         data = {
            "question":"它可以做什么？",
            "session_id": ans['session_id']
         }
         response = requests.post(url, headers=headers, json=data)
     
         if response.status_code != 200:
             raise ValueError(f'Error post to {url}, code: {response.status_code}')
         ans = dict(response.json())
     
         print(f"=======Round 2: Question =======\n {data['question']}")
         print(f"=======Round 2: Answer =======\n {ans['answer']} session_id: {ans['session_id']}")
         print(f"=======Round 2: Retrieved Docs =======\n {ans['docs']}")
     # LLM
     test_post_api_query_llm_with_chat_history()
     # RAG（Retrieval+LLM）
     test_post_api_query_rag_with_chat_history()
     

     其中：EAS_URL配置为RAG服务的访问地址，您需要将访问地址末尾的/删除；Authorization配置为RAG服务的Token。

相关文档

通过EAS，您还可以完成以下场景化部署：

• 部署支持WebUI和API调用的LLM大语言模型，并在部署LLM应用后，利用LangChain框架集成企业知识库，实现智能问答和自动化功能。详情请参见5分钟使用EAS一键部署LLM大语言模型应用。

• 部署基于ComfyUI和Stable Video Diffusion模型的AI视频生成服务，帮助您完成社交平台短视频内容生成、动画制作等任务。详情请参见AI视频生成-ComfyUI部署。

• 一键部署基于Stable Diffusion WebUI的服务。详情请参见AI绘画-SDWebUI部署。

常见问题

如何关闭RAG服务的with chat history功能

在RAG服务的WebUI页面中，去勾选Chat history复选框。